Використання штучного інтелекту для вдосконалення стандартів діагностичної візуалізації серця

Серцево-судинні захворювання є основною причиною смерті дорослих у всьому світі, що робить діагностику та лікування серцево-судинних захворювань глобальним пріоритетом охорони здоров'я. Ехокардіограма, або ультразвукове дослідження серця, є одним з найпоширеніших інструментів візуалізації, що використовуються лікарями для діагностики різноманітних серцевих захворювань та станів.

Більшість стандартних ехокардіограм забезпечують двовимірні візуальні зображення (2D) тривимірної (3D) анатомії серця. Ці ехокардіограми часто фіксують сотні 2D зрізів або зображень серця, що б'ється, що дозволяє лікарям проводити клінічні оцінки функції та структури серця.

Роль штучного інтелекту та DNN

Щоб покращити точність діагностики серцевих захворювань, дослідники з Каліфорнійського університету в Сан-Франциско поставили собі за мету визначити, чи можна переробити глибокі нейронні мережі (DNN), тип алгоритму штучного інтелекту, для кращого захоплення складної 3D анатомії та фізіології з кількох зображень одночасно.

Вони розробили нову структуру або архітектуру DNN «багатовидової», щоб вона могла отримувати інформацію з кількох зображень одночасно, а не з використанням лише одного зображення, як це працює в даний час. Потім вони навчили демонстраційні DNN, використовуючи цю архітектуру, для виявлення захворювань трьох серцево-судинних захворювань: аномалій лівого та правого шлуночків, діастолічної дисфункції та клапанної регургітації.

Чітке підвищення точності

У дослідженні, дослідники порівняли продуктивність DNN, які аналізували дані з одного або кількох зображень ехокардіограм з UCSF та Монреальського інституту серця. Вони виявили, що DNN, навчені на кількох зображеннях, покращили діагностичну точність порівняно з DNN, навченими на будь-якому одному зображенні, демонструючи, що моделі штучного інтелекту, які поєднують інформацію з кількох зображень одночасно, краще фіксують захворювання цих серцевих захворювань.

«Досі штучний інтелект переважно використовувався для аналізу одного 2D-зображення за раз — із зображень або відео — що обмежує здатність алгоритму штучного інтелекту вивчати інформацію, що стосується захворювання, між зображеннями», — сказав старший автор дослідження Джеффрі Тісон, доктор медичних наук, магістр охорони здоров'я, кардіолог та співдиректор Центру досліджень біосигналів UCSF.

«Архітектури DNN, які можуть інтегрувати інформацію з кількох зображень високої роздільної здатності, є значним кроком до максимізації продуктивності штучного інтелекту в медичній візуалізації. У випадку ехокардіографії більшість діагнозів вимагають врахування інформації з кількох зображень, оскільки інформація з будь-якого окремого зображення розповідає лише частину історії».

Чому важливі кілька зображень ехокардіографії

Наприклад, для оцінки розміру або функції лівого шлуночка (ЛШ) зображення ехокардіографії, що показує всі камери серця одночасно (A4c), найкраще фіксує певні стінки лівого шлуночка (нижньо-перегородкову та передньо-латеральну стінки), тоді як інше перпендикулярне зображення ехокардіографії (A2c) фіксує інші важливі стінки (передню та нижню стінки). Часто функція стінок ЛШ може здаватися повністю нормальною в одному зображенні, але мати значну дисфункцію в іншому.

Перегляньте записи:

Для завдань ехокардіографії, які вони досліджували, таких як виявлення аномалій лівого та правого шлуночків та діастолічної дисфункції, результати дослідників свідчать про те, що багатовидові DNN, ймовірно, вивчають взаємопов'язану інформацію між характеристиками з кожного зображення для досягнення вищої загальної продуктивності.

«Наша архітектура багатовидової нейронної мережі спеціально розроблена для того, щоб модель могла вивчати складні взаємозв'язки між інформацією в кількох проекції зображень», — сказав перший автор дослідження Джошуа Барріос.

«Ми виявили, що цей підхід покращує продуктивність діагностичних завдань в ехокардіографії, але ця нова архітектура штучного інтелекту також може бути застосована до інших медичних методів візуалізації, де кілька проекцій містять додаткову інформацію».

ДЖЕРЕЛО: Medical Xpress

На платформі Accemedin багато цікавих заходів! Аби не пропустити їх, підписуйтесь на наші сторінки! Facebook. Telegram. Viber. Instagram.